Intro to Machine Learning(7)

Machine Learning Competitions

당신의 성장을 확인하고 계속 발전하기 위해 기계 학습 시합의 세계에 들어오세요!

 

기계 학습 시합은 당신의 데이터 사이언스 기술과 당신의 진척도를 평가하기에 가장 좋은 방법입니다.

 

다음 실습으로 당신은 캐글 학습 유저들을 위한 주택 가격 시합에 예측치를 만들고 제출하는 것입니다.

 

이것으로 Intro to Machine Learning 코스를 마치겠습니다.

---

이렇게 Intro to Machine Learning의 모든 수업을 번역하며 공부해봤습니다.

 

결국 이 코스를 요약하자면,

• scikit-learn이라는 머신러닝 라이브러리를 활용해본다.
• decision tree와 random forest를 사용해본다.
• 만들어진 모델이 잘 동작하는지에 대한 기준을 MAE로 계산해서 모델의 품질을 평가해본다.
• 이를 반복하면 더 나은 모델을 만들어 갈 수 있겠다는 개념을 깨닫는다.

이 정도인 것 같습니다.

또한, 라이브러리를 쓰는 순서를 제 나름 정리해서 코드로 대충 나타내보자면 아래와 같습니다.

# 사용할 모델과 라이브러리 import
import pandas as pd
from sklearn.model_selection import train_test_split
...

# 데이터 읽어오고, (선택적으로) 결측치 제거
file_path = '../...'
my_data = pd.read_csv(file_path)
# my_data = my_data.dropna(axis=0)

# X, y에 해당하는 데이터 선정하고, (학습에 용이하게) train과 validation용으로 구분
my_features = ['column name1', 'column name2',...]
X = my_data[my_features]
y = my_data.target_column
train_X, val_y, train_y, val_y = trian_test_split(X, y, random_state = 0)
														#random_state = 난수제어

#모델 정의 및 학습
my_rf_model = RandomForestRegressor(random_state = 0)
my_rf_model.fit(train_X, train_y)

# 모델 예측 및 평균 절대 오차 측정
my_prediction = my_rf_model.predict(val_X)
my_mae = mean_absolute_error(val_y, my_prediction)

# 이후 이를 가지고 모델 개선

머신러닝에 대해 전반적으로 이해할 수 있는 좋은 강의였던 것 같습니다. 번역하면서 공부하니 시간은 좀 걸렸지만, 재밌네요😆

 

이후 exercise를 통해 competition에 처음 참가해봤는데 약간 감이 잡히는 것 같습니다.

근데, 리더보드를 보니까 MAE가 0인 분들도 있더라구요..?? 외계인 고문하신건가..??

 

혹시라도 잘못된 내용이 있다면, 말씀해주시면 감사하겠습니다!

 

출처 : https://www.kaggle.com/alexisbcook/machine-learning-competitions